Show simple item record

dc.contributor.author
Weber, Heidi C.
dc.contributor.supervisor
Richner, Hans
dc.contributor.supervisor
Kretzschmar, Ruben
dc.contributor.supervisor
Lohmann, Ulrike
dc.date.accessioned
2020-04-15T13:09:02Z
dc.date.available
2017-06-09T19:37:36Z
dc.date.available
2017-11-14T14:54:11Z
dc.date.available
2020-04-15T13:09:02Z
dc.date.issued
2005
dc.identifier.uri
http://hdl.handle.net/20.500.11850/46639
dc.identifier.doi
10.3929/ethz-a-004944767
dc.description.abstract
In den letzten 30 Jahren wurden Radargeräte entwickelt, um Windprofile zu erstellen. Windprofile geben Auskunft über die Windrichtung und die Windgeschwindigkeit als Funktion der Höhe. Ein Windprofiler ist ein Dopplerradar, welches für die Messung von vertikalen Windprofilen ausgerichtet ist. Die Signale des Dopplerradarswerden an Turbulenzen in der Atmosphäre aber auch an Objekten gestreut,welche zur Erstellung von Windprofilen unerwünschtsind. Zu diesen gehören ruhende Objekte zum Beispiel Bäume oder Häuser und bewegte Objekte wie Vögel oder auch Niederschlag. Windprofilermessungen reagieren sehr empfindlich auf diese Störungen. Beobachtungen haben gezeigt, dass vor allem Zugvögel die Windmessungenim Frühling und Herbstam stärksten beeinflussen. In der vorliegenden Arbeit wird eine neue Methode vorgestellt, welche zur Verbesserung von Windprofilerdaten führt. Vögel und Niederschlag verfälschen die Messungen in den Dopplerspektren. Diese fehlerhaften Daten werden mittels Neuronaler Netze erkannt. In dieser Arbeit wurden zwei Neuronale Netze verwendet. Eines in einer Anwendung zur Verbesserung von Windprofilerdaten während des Vogelzuges, ein weiteres in einer Anwendung, um niederschlagskontaminerteDaten in Windprofilen zu markieren. Das Ziel dieser Arbeit ist es daher, die fehlerhaften Daten im operationeilen Modus auszusortieren und zu markieren, um so die Güte von Windprofilermessungen zu erhöhen. Dazu wurde eine Software entwickelt mit dem Namen PCDT (Processingof ContaminatedData Tool). Um PCDT zu testen, wurde eine Reihe von Feldexperimenten durchgeführt. Für den Frühlingszug wurden Messungen in Basel 2002 und in Corcelles 2004 ausgeführt, und für den Herbstzug in Payerne 2003 und am Flughafen in Zürich 2004. Die Messungenwurden mit zwei verschiedenen Windprofilern der MeteoSwiss durchgeführt. Die Resultate weisen eine HIT-Rate von 98% auf, für die Erkennung von vogelkontaminierten Daten mittels PCDT und ein FAR von 5%. Jedoch verbleiben nach dem Aussortieren durch das Neuronale Netz, während starken Vogelzugstunden, zu wenig Daten, um ein Wind profil zu erstellen. Im Falle von Regen werden die Windvektoren in den Windprofilen markiert. Hier liegt die HIT-Rate für Niederschlag bei 97% und die FAR bei 14%, wobei diese von der Art des Niederschlags abhängt.
en_US
dc.format
application/pdf
en_US
dc.language.iso
en
en_US
dc.publisher
ETH Zurich
en_US
dc.rights.uri
http://rightsstatements.org/page/InC-NC/1.0/
dc.subject
FLUCTUATIONS OF UPPER-AIR WIND (METEOROLOGY)
en_US
dc.subject
PRECIPITATIONS + RAINFALL + SNOW (HYDROLOGY)
en_US
dc.subject
DOPPLER RADAR, USE IN METEOROLOGY
en_US
dc.subject
VERTIKALKOMPONENTE DER LUFTBEWEGUNG (METEOROLOGIE)
en_US
dc.subject
NIEDERSCHLAG + REGEN + SCHNEE (HYDROLOGIE)
en_US
dc.subject
NEURAL NETWORKS + CONNECTIONISM (ARTIFICIAL INTELLIGENCE)
en_US
dc.subject
BIRD MIGRATION (ANIMAL ECOLOGY)
en_US
dc.subject
VERTICAL COMPONENTS OF AIR MOVEMENTS (METEOROLOGY)
en_US
dc.subject
DOPPLERRADAR, METEOROLOGISCHE ANWENDUNGEN (METEOROLOGIE)
en_US
dc.subject
VOGELZUG (TIERÖKOLOGIE)
en_US
dc.subject
SCHWANKUNGEN DES WINDES IN DER HÖHE (METEOROLOGIE)
en_US
dc.subject
NEURONALE NETZWERKE + KONNEKTIONISMUS (KÜNSTLICHE INTELLIGENZ)
en_US
dc.title
Classification of contaminated data from wind profiler measurements by neural networks
en_US
dc.type
Doctoral Thesis
dc.rights.license
In Copyright - Non-Commercial Use Permitted
ethz.size
122 p.
en_US
ethz.code.ddc
DDC - DDC::5 - Science::550 - Earth sciences
en_US
ethz.identifier.diss
15909
en_US
ethz.identifier.nebis
004944767
ethz.publication.place
Zurich
en_US
ethz.publication.status
published
en_US
ethz.leitzahl
ETH Zürich::00002 - ETH Zürich::00012 - Lehre und Forschung::00007 - Departemente::02350 - Dep. Umweltsystemwissenschaften / Dep. of Environmental Systems Science::02717 - Institut für Atmosphäre und Klima / Inst. Atmospheric and Climate Science::03690 - Lohmann, Ulrike / Lohmann, Ulrike
en_US
ethz.leitzahl
08765 - Richner, Hans (Tit.-Prof.)
en_US
ethz.leitzahl.certified
ETH Zürich::00002 - ETH Zürich::00012 - Lehre und Forschung::00007 - Departemente::02350 - Dep. Umweltsystemwissenschaften / Dep. of Environmental Systems Science::02717 - Institut für Atmosphäre und Klima / Inst. Atmospheric and Climate Science::03690 - Lohmann, Ulrike / Lohmann, Ulrike
ethz.date.deposited
2017-06-09T19:38:34Z
ethz.source
ECOL
ethz.source
ECIT
ethz.identifier.importid
imp59366a886901523525
ethz.identifier.importid
imp59364f011a20683703
ethz.ecolpid
eth:27804
ethz.ecitpid
pub:76615
ethz.eth
yes
en_US
ethz.availability
Open access
en_US
ethz.rosetta.installDate
2017-07-13T03:46:04Z
ethz.rosetta.lastUpdated
2020-04-15T13:09:15Z
ethz.rosetta.exportRequired
true
ethz.rosetta.versionExported
true
ethz.COinS
ctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.atitle=Classification%20of%20contaminated%20data%20from%20wind%20profiler%20measurements%20by%20neural%20networks&rft.date=2005&rft.au=Weber,%20Heidi%20C.&rft.genre=unknown&rft.btitle=Classification%20of%20contaminated%20data%20from%20wind%20profiler%20measurements%20by%20neural%20networks
 Search via swisscovery

Files in this item

Thumbnail
Thumbnail

Publication type

Show simple item record